Turnitin Similarity Score vs AI Score: Hai báo cáo khác nhau

Một báo cáo xuất hiện với hai con số trên đó: điểm tương đồng là 3 phần trăm và điểm AI là 88 phần trăm. Cách hiểu tự nhiên là chúng hẳn đang đo cùng một thứ, nên con số thấp phải có nghĩa là con số cao cũng có lẽ sai. Nhưng không phải như vậy. Turnitin similarity vs AI score là sự so sánh giữa hai hệ thống riêng biệt, kiểm tra hai thứ riêng biệt, và một bài nộp có thể có điểm thấp ở một hệ thống và điểm cao ở hệ thống kia mà không con số nào là nhầm lẫn.

Nó ra đời trước hệ thống AI, được xây dựng để phát hiện văn bản khớp với một nội dung đã tồn tại. Nó mới hơn, được bổ sung vào cùng Similarity Report như một phép đo độc lập riêng, được xây dựng để ước lượng liệu văn xuôi có mang dáng dấp do máy tạo ra hay không, bất kể nó có khớp với bất cứ thứ gì hay không. Theo tài liệu của chính Turnitin, hai hệ thống này hoàn toàn độc lập và không ảnh hưởng lẫn nhau. Mọi điều còn lại trong phần này.

Turnitin Similarity vs AI Score: Mỗi Con Số Báo Cáo Điều Gì

Turnitin xem hai chỉ số này là các phép đo khác nhau được gói trong một sản phẩm, chứ không phải hai cách nhìn về cùng một kết quả. Similarity Report so sánh một bài nộp với cơ sở dữ liệu gồm nội dung web, các ấn phẩm học thuật, và các bài làm của sinh viên đã nộp trước đó, rồi trả về tỷ lệ phần trăm văn bản của bài nộp khớp với một nội dung đã có sẵn trong cơ sở dữ liệu đó. Phát hiện viết bằng AI chạy trên một mô hình hoàn toàn khác, được thêm vào cùng báo cáo đó như một điểm số độc lập riêng, được huấn luyện để đánh giá mức độ văn xuôi của một đoạn giống với văn bản do máy tạo ra đến đâu, hoàn toàn không tham chiếu đến bất kỳ cơ sở dữ liệu bên ngoài nào. Cơ chế đầy đủ hơn của cách bộ phân loại AI của Turnitin đi đến con số đó được trình bày riêng, điều quan trọng ở đây là nó trả lời một câu hỏi khác với công cụ tương đồng nằm trong cùng báo cáo.

Điểm Tương Đồng Thực Sự Đo Lường Điều Gì

Similarity là một phép đối sánh, không phải là một phán đoán. Hướng dẫn chính thức của Turnitin nêu rõ rằng công cụ này không kiểm tra đạo văn. Nó kiểm tra sự trùng lặp và để cho giảng viên đọc báo cáo diễn giải kết quả. Một câu trích dẫn được đặt đúng cách, một cụm từ trong phần phương pháp được dùng chung trên toàn bộ một chuyên ngành hẹp, một danh mục tài liệu tham khảo được định dạng theo cách mọi bài báo trong tạp chí đều định dạng danh mục tài liệu tham khảo của mình, tất cả những điều đó đều có thể được ghi nhận là một kết quả khớp, vì hệ thống đếm các chuỗi văn bản chồng lấp thay vì phán đoán liệu sự chồng lấp đó có hợp lệ hay không.

Đó cũng là lý do vì sao một điểm Similarity bằng 0 cho thấy ít hơn vẻ bề ngoài của nó. Nó có nghĩa là bài nộp không chứa một đoạn văn bản dài, liền mạch nào được tìm thấy ở nơi khác trong các nguồn được lập chỉ mục của Turnitin. Nó không nói gì về cách những câu có mặt ở đó đã được tạo ra, vì việc tạo ra một câu không khớp với bất cứ điều gì trong cơ sở dữ liệu không giống với kỹ năng tạo ra một câu mà một mô hình ngôn ngữ sẽ không dự đoán được.

AI Score Thực Sự Đo Lường Điều Gì

AI score không có cơ sở dữ liệu để đối chiếu. Một bộ phân loại đọc phần văn xuôi được nộp và ước tính, từ các mẫu mà nó đã học được trên nhiều ví dụ về văn bản do con người và AI tạo ra, mức độ có khả năng phần văn xuôi đó xuất phát từ một mô hình hơn là từ một người. Không có điều gì trong ước tính đó phụ thuộc vào việc câu chính xác ấy đã từng xuất hiện ở đâu đó trước đây hay chưa. Một câu có thể hoàn toàn độc nhất, chưa từng được ai gõ ra cho đến bài nộp này, nhưng vẫn được đọc là điển hình về mặt thống kê của đầu ra AI nếu lựa chọn từ ngữ và nhịp điệu của nó đi theo mẫu mà một mô hình ngôn ngữ có xu hướng tạo ra.

Đây là cùng một phạm vi thống kê được trình bày đầy đủ trong phần tường thuật rộng hơn về cách các bộ phát hiện AI thực sự hoạt động: khả năng dự đoán ở cấp độ từ và nhịp điệu ở cấp độ câu, được gộp lại thành một điểm số của toàn tài liệu. Phiên bản bộ phân loại của Turnitin là độc quyền, nhưng tiền đề nền tảng, rằng văn bản được tạo ra có xu hướng mang tính điển hình thống kê hơn so với văn bản do con người viết, là cùng một tiền đề vận hành bên dưới mọi công cụ trong nhóm này.

	Điểm tương đồng	Điểm AI
Chỉ số này đo lường gì	Mức độ văn bản trong bài nộp trùng khớp với các tài liệu đã được lập chỉ mục khác	Mức độ văn xuôi giống với kiểu viết do AI tạo ra vốn có tính thống kê điển hình đến đâu
Điều gì kích hoạt một con số cao	Các trích dẫn dài, cách diễn đạt đặc thù phổ biến trong lĩnh vực, tài liệu được dùng lại, hoặc sự trùng khớp với một bài nộp trước đó	Nhịp câu đồng đều và lựa chọn từ ngữ nhất quán, có thể dự đoán trên toàn bộ tài liệu
Điều mà một con số cao không chứng minh	Rằng phần văn bản trùng khớp đã được sử dụng không đúng cách. Tài liệu được trích dẫn đúng vẫn có thể được ghi nhận là một sự trùng khớp.	Rằng bất kỳ câu đơn lẻ nào đã được AI tạo ra. Bộ phân loại đọc mô hình tổng thể của tài liệu, không phải một dòng tách biệt.

Một bài viết có thể có 0 Percent Similarity và 90 Percent AI Score không?

Có, và sự kết hợp này không phải là lỗi. Hai điểm số trả lời những câu hỏi khác nhau, vì vậy cả bốn tổ hợp cao và thấp đều có thể xảy ra, và mỗi tổ hợp hàm ý một điều khác nhau về cách văn bản được tạo ra.

• Tương đồng thấp, điểm AI thấp: văn bản gốc thông thường, đồng thời cũng có cách đọc với sự biến thiên điển hình của con người. Đây là trường hợp phổ biến đối với phần lớn bài làm thực sự của sinh viên.
• Tương đồng thấp, điểm AI cao: các câu nguyên bản, không sao chép từ bất kỳ đâu, nhưng đọc lên có tính dự đoán thống kê theo cách mà văn bản được tạo ra thường có. Đây là dấu hiệu của văn bản AI chưa chỉnh sửa mà không ai diễn đạt lại từ một nguồn có sẵn.
• Tương đồng cao, điểm AI thấp: văn bản khớp chặt với một nguồn do con người viết có sẵn, nhưng không có độ phẳng thống kê mà bộ phân loại gắn với việc tạo sinh. Văn bản sao chép, bị công cụ cũ phát hiện thay vì công cụ mới hơn.
• Tương đồng cao, điểm AI cao: văn bản khớp với một nguồn có sẵn mà bản thân nó đã do AI tạo ra, chẳng hạn một bài viết do AI viết đã được nộp trước đó hoặc một trang văn bản do AI tạo ra đã được lập chỉ mục từ web mở.

Không có tổ hợp nào trong số này đòi hỏi điều gì bất thường ở phía phần mềm. Chúng xuất phát từ thực tế là một hệ thống kiểm tra sự khớp, còn hệ thống kia kiểm tra một mẫu hình, và một đoạn văn bản có thể mang một trong hai thuộc tính đó, cả hai, hoặc không thuộc tính nào.

Điểm AI Cao Cho Biết Điều Gì, Và Không Chứng Minh Điều Gì

Một điểm AI cao là một ước lượng thống kê, không phải là lời thú nhận bị rút ra từ văn bản. Nó cho biết đoạn văn trước bộ phân loại có vẻ giống, ở lựa chọn từ ngữ và nhịp điệu của nó, kiểu viết mà mô hình đã được huấn luyện để liên hệ với việc tạo sinh bởi AI. Nó không xác định một câu cụ thể là chắc chắn do máy viết, và nó không biết gì về cách tài liệu thực sự được tạo ra, chỉ biết nó được đọc như thế nào khi đã hoàn tất. TextPulse giữ cùng lập trường về các con số của chính mình: điều nó báo cáo là một Human Score ước tính được tính từ văn bản trước mắt nó, không phải là phán quyết về công cụ nào, nếu có, đã chạm vào tài liệu.

Phản ứng thực tiễn đối với bất kỳ con số nào trong hai con số đó, một điểm tương đồng thấp hoặc một điểm AI cao, đều giống nhau: xem nó như một lý do để xem xét kỹ hơn, không phải như một kết luận để chấp nhận hay bác bỏ ngay từ cái nhìn đầu tiên. Bản nháp, ghi chú, và lịch sử phiên bản cho thấy một tài liệu thực sự đã được viết như thế nào theo cách mà một tỷ lệ phần trăm không bao giờ có thể, ở cả hai báo cáo. Bất kỳ ai tò mò về điều mà một bộ phân loại thực sự đang phản ứng trong bản nháp của chính mình đều có thể tự xem cùng một mẫu hình ở cấp độ từ ngữ bằng một free perplexity checker, từ rất sớm trước khi bất kỳ báo cáo nào được tạo ra.

Bộ free tools collection của TextPulse bao gồm các lớp thống kê khác đáng kiểm tra trước khi một bản nháp đi đến tay giảng viên, không chỉ hai lớp được so sánh ở đây.

Sau khi hai con số được tách ra, câu hỏi tiếp theo là điểm Turnitin nào được xem là tốt. Đối với bộ phát hiện còn lại mà sinh viên thường gặp nhất, cách GPTZero hoạt động được trình bày trên trang riêng của nó.

Hai con số sẽ tiếp tục nằm cạnh nhau trên cùng một báo cáo, và chúng sẽ tiếp tục bị những người vội vàng đọc như một con số duy nhất. Biết được mỗi con số thực sự đang trả lời câu hỏi nào chính là điều biến một cặp phần trăm gây nhầm lẫn thành hai mẩu thông tin riêng biệt, hữu ích.